KI-gestützte multimodale Beurteilung der Rechtsventrikelfunktion mittels Echokardiographie sagt Mortalität bei Patienten mit pulmonaler Hypertonie und Rechtsherzinsuffizienz voraus

Warum das für Patienten und Angehörige wichtig ist

Pulmonale Hypertonie und Rechtsherzinsuffizienz verlaufen oft lange unbemerkt, bis sie lebensbedrohlich werden. Ärztinnen und Ärzte können Herzultraschallbilder betrachten, doch frühe, subtile Schäden des rechten Ventrikels lassen sich leicht übersehen und schwer quantifizieren. Diese Studie zeigt, wie ein System der künstlichen Intelligenz (KI) diese Herzscans detaillierter auswerten kann als ein Mensch allein und so hilft, das Risiko eines Patienten für einen Krankenhausaufenthalt mit tödlichem Ausgang oder für Sterblichkeit in den folgenden Jahren besser einzuschätzen — und damit möglicherweise frühzeitiger einzugreifen.

Ein genauerer Blick auf ein belastetes rechtes Herz

Bleibt der Druck im Lungenkreislauf erhöht, muss die rechte Herzhälfte gegen einen höheren Widerstand pumpen. Mit der Zeit dehnt sich der rechte Ventrikel aus, seine Muskelfasern schwächen sich, und Patienten entwickeln Ödeme, Atemnot und niedrigen Blutdruck. Die Standard-Echokardiographie — der vertraute Herzultraschall — kann einfache Bewegungen messen, etwa wie weit ein Klappenring sich bei jedem Herzschlag verschiebt. Der rechte Ventrikel hat jedoch eine komplexe Form und zieht sich nicht gleichmäßig zusammen, sodass diese traditionellen Messgrößen frühe oder ungleichmäßige Schäden übersehen können, insbesondere bei sehr kranken Patienten.

Messung der Deformation des Herzmuskels

Moderne Ultraschallsoftware kann winzige „Speckle“-Muster in der Muskelwand von Bild zu Bild verfolgen und berechnen, wie stark sich jede Region bei jedem Herzschlag verkürzt oder verlängert. Diese Größe, die longitudinale Strain genannt wird, ist für den rechten Ventrikel besonders wichtig. In dieser Studie konzentrierten sich die Ärztinnen und Ärzte auf einen durchschnittlichen Strainwert, ermittelt aus sechs Standardsegmenten der rechten Ventrikelwand. Weniger negative Zahlen (also geringere Verkürzung) spiegeln eine schwächere Muskelarbeit wider. Von 586 Erwachsenen, die mit pulmonaler Hypertonie und Rechtsherzinsuffizienz stationär behandelt wurden, wiesen die Verstorbenen deutlich schlechtere Strainwerte und höhere Druckwerte in der Lungenschlagader auf als Überlebende — ein Hinweis darauf, dass diese detaillierte Bewegungsgröße echtes biologisches Risiko erfasst.

Der KI beibringen, das Herz zu lesen

Das Forschungsteam entwickelte ein Deep-Learning-Modell, das sich nicht auf eine einzelne Zahl oder Bildart stützte. Stattdessen analysierte es drei Informationsströme aus einem Herzschlag: vollständige Strainkurven über die Zeit, Ultraschallvideoclips aus zwei Blickwinkeln und Dopplerkurven, die Geschwindigkeit und Richtung des Blutflusses zeigen. Jeder Strom wurde von einem eigenen spezialisierten Encoder verarbeitet, und ein „Cross-Attention“-Modul lehrte die KI anschließend, Bewegungs-, Struktur- und Flussmuster, die zusammengehörten, miteinander in Beziehung zu setzen. Klinische Daten und konventionelle Ultraschallmessungen wurden ebenfalls einbezogen. Die Aufgabe des Systems war einfach: Für jeden Patienten die Wahrscheinlichkeit eines Todesfalls im Krankenhaus und während der Langzeitbeobachtung ausgeben.

Wie gut die KI Ergebnisse vorhersagte

Die Patientinnen und Patienten wurden zufällig in Trainings-, Validierungs- und Testgruppen aufgeteilt, sodass die endgültige Leistung an Daten überprüft werden konnte, die die KI zuvor nie gesehen hatte. Im unabhängigen Testdatensatz erreichte das Modell eine Fläche unter der Receiver-Operating-Characteristic-Kurve (AUC) von 0,823, was bedeutet, dass es in mehr als 8 von 10 Fällen richtig zwischen höher- und niederigerrisikigen Patienten differenzierte. Es übertraf einzelne Standardmessgrößen, darunter den Druck in der Lungenschlagader und den durchschnittlichen rechtsventrikulären Strain, wenn diese allein verwendet wurden. Das KI-System war zudem schnell: Es konnte die benötigten Ultraschalldaten in etwa vier Minuten analysieren, verglichen mit rund zwanzig Minuten, die ein Sonograph für die manuelle Durchführung und Interpretation der Strain-Analyse benötigt.

Was das für die Behandlung bedeuten könnte

Für einen Patienten auf einer Intensivstation mit fortgeschrittener pulmonaler Hypertonie kann die Kenntnis, ob das rechte Herz stillschweigend versagt oder stabil bleibt, Behandlungsentscheidungen verändern — etwa wann Medikamente verstärkt, fortgeschrittene Therapien erwogen oder engere Nachkontrollen geplant werden sollten. Diese Studie deutet darauf hin, dass ein KI-Assistent, der an routinemäßigen Herzultraschall angeschlossen ist, eine präzisere und zeitnähere Risikoabschätzung liefern kann als Standardmessungen allein. Zwar muss der Ansatz noch in anderen Kliniken und mit verschiedenen Ultraschallgeräten getestet werden, doch er weist in Richtung einer Zukunft, in der detaillierte, automatisierte Analysen der Herzbewegung Ärztinnen und Ärzten helfen, die Versorgung individueller zu gestalten und möglicherweise das Überleben von Menschen mit schwerer rechtsseitiger Herzerkrankung zu verbessern.

Zitation: Mou, H., Zhang, G., Xiu, L. et al. AI–assisted multimodal assessment for right ventricular function from echocardiography predicts mortality in patients with pulmonary hypertension and right heart failure. Sci Rep 16, 5323 (2026). https://doi.org/10.1038/s41598-026-36533-y

Schlüsselwörter: pulmonale Hypertonie, Rechtsherzinsuffizienz, Echokardiographie, künstliche Intelligenz, Risikovorhersage